🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AI 경쟁 담론에 밀려난 지속가능성 문제를 다시 전면에 세우기 위해 사샤 루치오니와 보리스 가마자이치코프가 ‘Sustainable AI Group’을 출범시키고, 기업이 더 작고 목적에 맞는 모델과 친환경 인프라를 선택하도록 돕겠다고 밝혔다.

📌 핵심 요약

• Fortune의 Eye on AI 뉴스레터는 최근 몇 년간 AI 지속가능성 논의가 컴퓨팅 파워, 에너지 확보, 지정학적 경쟁이라는 헤드라인에 가려졌다고 짚으며, 이 흐름을 바꾸려는 새 움직임을 소개한다.
• Hugging Face에서 AI·기후 리드를 맡았던 사샤 루치오니와 Salesforce에서 AI 지속가능성을 이끌었던 보리스 가마자이치코프는 Sustainable AI Group을 출범시켜 기업의 AI 전략, 조달, 환경 영향 평가를 실질적이고 측정 가능한 방식으로 지원하려 한다.
• 루치오니는 오늘날 AI가 에너지 집약적 데이터센터, 고열 칩과 서버, 대규모 냉각 시스템을 통해 기업에 비용 변동성, 공급 제약, 규제 불확실성, 지역사회와 직원의 압박을 키우고 있다고 설명한다.
• 그는 모든 AI 문제에 거대 범용 LLM이 필요한 것은 아니며, 많은 기업 활용 사례는 공장 에너지 사용 최적화나 내부 문서 검색처럼 더 작고 특화된 모델로 해결할 수 있어 에너지 사용과 데이터 프라이버시 부담을 줄일 수 있다고 주장한다.
• 기사 후반부는 고객과 기업 구매자가 재생에너지 기반 인프라, 탄소 집약도, 지속가능성 기준을 조달 결정에 반영할 때 AI 공급자들이 반응할 수 있으며, 효율성 향상만으로는 부족하더라도 시장 수요가 중요한 변화의 지렛대가 될 수 있다고 정리한다.

🧩 주요 포인트

1. Fortune의 Eye on AI 뉴스레터는 최근 몇 년간 AI 지속가능성 논의가 컴퓨팅 파워, 에너지 확보, 지정학적 경쟁이라는 헤드라인에 가려졌다고 짚으며, 이 흐름을 바꾸려는 새 움직임을 소개한다.
2. Hugging Face에서 AI·기후 리드를 맡았던 사샤 루치오니와 Salesforce에서 AI 지속가능성을 이끌었던 보리스 가마자이치코프는 Sustainable AI Group을 출범시켜 기업의 AI 전략, 조달, 환경 영향 평가를 실질적이고 측정 가능한 방식으로 지원하려 한다.
3. 루치오니는 오늘날 AI가 에너지 집약적 데이터센터, 고열 칩과 서버, 대규모 냉각 시스템을 통해 기업에 비용 변동성, 공급 제약, 규제 불확실성, 지역사회와 직원의 압박을 키우고 있다고 설명한다.
4. 그는 모든 AI 문제에 거대 범용 LLM이 필요한 것은 아니며, 많은 기업 활용 사례는 공장 에너지 사용 최적화나 내부 문서 검색처럼 더 작고 특화된 모델로 해결할 수 있어 에너지 사용과 데이터 프라이버시 부담을 줄일 수 있다고 주장한다.
5. 기사 후반부는 고객과 기업 구매자가 재생에너지 기반 인프라, 탄소 집약도, 지속가능성 기준을 조달 결정에 반영할 때 AI 공급자들이 반응할 수 있으며, 효율성 향상만으로는 부족하더라도 시장 수요가 중요한 변화의 지렛대가 될 수 있다고 정리한다.

🧠 상세 정리

1. AI 경쟁 담론에 밀려난 지속가능성

기사의 출발점은 지난 몇 년간 AI 지속가능성에 대한 공개 논의가 크게 약해졌다는 문제의식이다. AI 업계와 언론의 관심은 컴퓨팅 파워 확보, 에너지 수요, 지정학적 우위, 특히 경쟁국을 앞서는 문제로 이동했다. 그 결과 AI가 환경에 미치는 영향, 데이터센터의 자원 소비, 기업의 지속가능성 목표와 AI 도입 사이의 긴장은 상대적으로 뒷전으로 밀렸다. Fortune은 이 흐름 속에서 ‘그린 AI’를 다시 대화의 중심으로 끌어오려는 두 전문가의 시도를 핵심 주제로 제시한다.

2. Sustainable AI Group의 출범

사샤 루치오니와 보리스 가마자이치코프는 새로 출범한 Sustainable AI Group을 통해 기업이 AI를 더 지속가능하게 선택하고 운영할 수 있도록 돕겠다고 밝혔다. 루치오니는 Hugging Face에서 AI와 기후 분야를 이끌며 알려졌고, 가마자이치코프는 Salesforce에서 AI 지속가능성을 담당했다. 두 사람은 AI의 환경 영향을 엄밀하게 연구하고, AI 전략과 조달에 관한 연구 기반 지침을 제공하며, 개발자와 비즈니스 리더가 실제 업무에 적용할 수 있는 도구와 프레임워크를 만들겠다는 계획을 제시한다.

3. 기업 내부의 지속가능성 관심은 여전히 남아 있다

루치오니는 공개 담론이 ‘AI 레이스’와 지정학적 경쟁 중심으로 바뀌었더라도, 많은 기업 내부에서는 지속가능성 목표에 대한 관심이 여전히 존재한다고 말한다. Sustainable AI Group은 기업이 어떤 모델을 어디에서 실행할지, 어떤 종류의 모델을 사용할지, AI 사용을 어떻게 탈탄소화하고 위험을 줄일지 더 잘 이해하도록 지원하려 한다. 이는 AI 도입 여부만을 묻는 접근이 아니라, AI를 도입할 때 어떤 선택지가 있고 그 선택이 비용·환경·규제 측면에서 어떤 결과를 낳는지 따지는 접근이다.

4. 데이터센터와 냉각 시스템이 만드는 비용과 위험

기사에서 루치오니는 오늘날 AI가 에너지 집약적인 데이터센터, 많은 열을 내는 칩과 서버, 대규모 냉각 시스템에 의존하면서 기업에 여러 위험을 노출시키고 있다고 설명한다. 여기에는 에너지 비용의 변동성, 공급 제약, 규제 불확실성, 지역사회와 직원의 압박이 포함된다. 그는 직원들 사이에서도 업무에 AI를 사용할 때 환경 영향을 우려하며 더 책임 있는 사용 방식을 묻는 목소리가 있다고 전한다. 또한 AI 데이터센터에 대한 비판과 반발은 소셜미디어와 정부 영역에서 양당적 이슈가 되고 있다고 덧붙인다.

5. 물과 에너지 사이의 냉각 딜레마

AI 데이터센터가 얼마나 많은 물을 필요로 하는지에 대해서는 큰 혼란이 있다고 루치오니는 지적한다. 핵심은 냉각 시스템이 단순한 해법을 제공하지 않고, 물 사용과 에너지 사용 사이의 트레이드오프를 만든다는 점이다. 전통적인 수랭식 냉각은 증발에 의존하기 때문에 상당한 양의 물을 계속 보충해야 한다. 반대로 물을 순환시키는 폐쇄 루프 시스템은 물 소비를 줄일 수 있지만, 순환하는 물을 계속 식히기 위해 추가 에너지를 필요로 한다. 루치오니는 이를 두고 물을 많이 쓰거나 에너지를 많이 쓰는 선택지 사이의 문제라고 설명한다.

6. 모든 활용 사례에 거대 모델이 필요한 것은 아니다

루치오니는 데이터센터 논쟁이 모든 사람이 거대 범용 LLM이나 생성형 AI 모델을 사용할 것이라는 가정에 기대고 있다고 본다. 그러나 많은 기업 활용 사례는 실제로 최첨단 대형 모델을 필요로 하지 않는다. 예컨대 공장의 에너지 사용을 최적화하거나 직원들이 내부 문서를 더 효율적으로 검색하도록 돕는 업무는 더 작고 특정 작업에 맞춘 AI 시스템으로 충분할 수 있다. 이런 모델은 경우에 따라 로컬이나 온프레미스 환경에서 실행될 수 있어 에너지 사용을 줄이고 데이터 프라이버시 우려도 완화할 수 있다.

7. AI 도입 질문을 뒤집어야 한다는 제안

루치오니는 기업이 ‘어떤 거대 AI를 써야 하는가’에서 출발하기보다, 먼저 회사 안에서 무엇을 개선할 수 있는지 묻고 그 문제를 해결할 가장 단순하고 효율적인 시스템을 찾아야 한다고 말한다. 그는 현재 많은 기업이 FOMO, 즉 뒤처질지 모른다는 불안 때문에 AI 도입을 서두르고 있다고 본다. 하지만 AI에는 비용과 장기적 약속이 따르므로, 먼저 KPI를 정의하고 실제로 필요한 기능과 효과를 따지는 편이 더 합리적이라는 것이다. 이 관점은 AI의 규모보다 목적 적합성과 지속가능성을 우선시한다.

8. 시장 수요가 공급자를 바꿀 수 있다는 전망

루치오니는 비판만으로 AI 산업을 바꾸기보다 시장 수요가 더 강한 지렛대가 될 수 있다고 본다. 충분한 고객이 재생에너지 기반 인프라를 우선시하거나 탄소 집약도와 지속가능성에 대해 더 까다로운 질문을 하기 시작하면, 공급자들도 결국 반응할 것이라는 설명이다. 현재 AI 시장은 ‘친환경’과 ‘그렇지 않은’ 선택지를 뚜렷하게 구분하지 않는다고 그는 말한다. 따라서 기업 구매자, AI 공급자, 지속가능성 담당팀 사이의 더 명확한 소통과 조달 기준이 필요하다는 문제가 제기된다.

9. 효율성만으로는 부족하지만 낙관의 여지는 있다

루치오니는 효율성 향상만으로 AI의 환경 문제를 모두 해결하기는 어렵다고 인정한다. 기업들이 AI 사용을 확대하면서 전체 컴퓨팅 수요가 계속 늘어나고 있기 때문이다. 즉 개별 모델이나 시스템이 더 효율적이 되더라도, 사용량 증가가 그 효과를 상쇄할 수 있다. 그럼에도 그는 기업 내부의 관심, Salesforce에서 가마자이치코프가 고객들과 해온 작업, 그리고 실제 조달 선택을 바꾸려는 움직임을 근거로 조심스러운 낙관을 보인다. 기사 역시 AI 지속가능성을 다시 실무적 선택의 문제로 끌어내는 데 초점을 맞춘다.

🧾 핵심 주장 / 시사점

• AI 지속가능성 논의의 핵심은 ‘AI를 쓰느냐 마느냐’가 아니라, 어떤 모델을 어떤 인프라에서 어떤 목적에 맞게 쓰느냐로 이동하고 있다.
• 기업이 거대 범용 모델을 기본값으로 삼지 않고 작은 특화 모델, 로컬 실행, 재생에너지 기반 데이터센터를 선택하면 비용·프라이버시·환경 위험을 동시에 줄일 여지가 있다.
• AI 공급자의 변화를 끌어내려면 윤리적 비판뿐 아니라 조달 기준, 탄소 정보 요구, 고객 수요처럼 시장에서 측정되고 반복되는 압력이 중요해질 수 있다.

✅ 액션 아이템

• Sustainable AI Group의 접근을 기준으로 기업 AI 전략에서 거대 범용 LLM 의존 구간을 점검하고 소형·특화 모델 적용 우선순위를 정한다.
• 조달·구매 단계에 재생에너지 기반 인프라, 탄소 집약도, 지속가능성 지표를 포함해 공급업체 비교 기준을 정한다.
• 데이터센터 냉각·고열 칩·서버 운영이 유발하는 비용 변동성, 공급 제약, 규제 불확실성, 지역사회·직원 압박의 결합 영향을 점검한다.

❓ 열린 질문

• 공장 에너지 최적화나 내부 문서 검색처럼 작은 모델로 대체 가능한 업무 비중은 어디까지로 판단할 것인가?
• 재생에너지 기반 인프라와 탄소 집약도 기준을 반영한 조달 시 공급업체의 가격·성능·응답 성과는 어떤 방식으로 측정할 것인가?
• 시장에서 지속가능성 수요가 강화될 때 AI 공급자 반응의 임계점은 무엇인가?